Ocena aspektów użyteczności rozwiązania rzeczywistości mieszanej na potrzeby analizy immersyjnej w scenariuszach Przemysłu 4.0

Przeprowadzanie analizy danych za pomocą inteligentnych okularów ma ogromny potencjał w kontekście Przemysłu 4.0, ponieważ dane mogą być analizowane bezpośrednio w miejscu pracy maszyny. Korzystając z inteligentnych okularów, operator jest w stanie analizować dane, jednocześnie mając wolne ręce do prac konserwacyjnych. Wykonaj eksperyment w pomieszczeniu wyposażonym w komputer stacjonarny i inteligentne okulary rzeczywistości mieszanej.

Poproś uczestnika, aby założył urządzenie do pomiaru przewodnictwa skóry i poprosił uczestnika o odpoczynek przez pięć minut, aby uzyskać podstawowy pomiar poziomu stresu. Następnie poinformuj uczestnika, że eksperyment zajmie od 40 do 50 minut i poproś uczestnika o wypełnienie kwestionariusza Inwentarza Stanu i Cechy Lęku w celu zmierzenia odczuwanego stresu podczas eksperymentu. Aby wykonać test rotacji umysłowej, poproś uczestnika, aby usiadł przed komputerem stacjonarnym i poinformował uczestnika, że będzie musiał zidentyfikować podobne obiekty o różnych pozycjach w symulowanej przestrzeni 3D.

Poinformuj uczestnika, że tylko dwa z pięciu pokazanych obiektów będą do siebie podobne i że będzie miał dwie minuty na wykonanie siedmiu zadań. Aby przeprowadzić ocenę przestrzennych zdolności dźwiękowych, wyjaśnij uczestnikowi, że sześć dźwięków będzie również odtwarzanych przez 13 sekund na dźwięk i że uczestnik będzie musiał wykryć kierunek, z którego dochodzą dźwięki. Aby przeprowadzić ocenę umiejętności wykrywania wartości odstających, poproś uczestnika, aby założył inteligentne okulary rzeczywistości mieszanej i wyjaśnił, że w świecie stworzonym dla inteligentnych okularów rzeczywistości mieszanej musi znaleźć się osiem wartości odstających.

Wyjaśnij uczestnikowi, że wartość odstająca to zaznaczony na czerwono punkt w grupie białych punktów, który zmieni kolor na zielony, gdy wykryją go, kierując wzrok. Wyjaśnij dalej, że nie tylko zapewniona zostanie pomoc wizualna, ale także wskazówki dźwiękowe otoczenia, które pomogą zlokalizować wartości odstające. Następnie poinformuj uczestnika, że zostanie zapisany wymagany czas na każde zadanie, długość marszu oraz jego ostateczna pozycja ruchoma w stosunku do pozycji wyjściowej.

Aby przeprowadzić ocenę umiejętności rozpoznawania klastrów, wyjaśnij uczestnikowi, że będzie musiał zlokalizować sześć klastrów w świecie utworzonym za pomocą używanych inteligentnych okularów rzeczywistości mieszanej, podkreślając, że uczestnicy będą musieli rozróżnić nakładające się klastry, poruszając się po klastrach za pomocą poleceń głosowych. Kiedy wszystkie sześć klastrów zostanie zlokalizowanych, poproś uczestnika, aby usiadł przy komputerze bez inteligentnych okularów i wyjaśnił, że ten sam typ klastrów musi teraz zostać wykryty w oprogramowaniu komputerowym. Na koniec oceny pulpitu poproś uczestnika o wypełnienie nowego kwestionariusza Inwentarza Stanu i Cechy Lęku, samodzielnie opracowanego kwestionariusza do zbierania subiektywnych informacji zwrotnych oraz kwestionariusza demograficznego.

Zdejmij urządzenie do pomiaru przewodnictwa skóry uczestników i podziękuj uczestnikowi za udział. W tej reprezentatywnej analizie osoby osiągające słabe i wysokie wyniki nie wykazały różnic w zmiennych wyjściowych, chociaż osoby osiągające słabe wyniki miały wyższy odsetek uczestniczek niż osoby osiągające dobre wyniki, a osoby osiągające wysokie wyniki były młodsze niż osoby osiągające słabe wyniki. W przypadku zadania rozpoznawania klastrów osoby osiągające słabe i wysokie wyniki nie różniły się znacząco między aplikacją 2D a podejściem 3D.

W przypadku zadania wykrywania wartości odstających osoby osiągające wysokie wyniki były znacznie szybsze niż osoby osiągające słabe wyniki i wymagały krótszego dystansu do rozwiązania zadań. Rzeczywiście, wartości BoundingBox, Pathlength, PathVariance, PathMean, AngleVariance i AngleMean znacznie wzrosły z zadania na zadanie. Chociaż zarejestrowany czas wykazywał niewielkie zmiany między zadaniami przy użyciu inteligentnych okularów rzeczywistości mieszanej.

Na podstawie dźwięków przestrzennych uczestnicy byli w stanie rozwiązać zadania w przypadku wykrywania wartości odstających szybciej niż bez użycia dźwięków przestrzennych. Warto zauważyć, że wyniki Inwentarza Stanu i Cechy Lęku nie wykazały istotnych różnic między ocenami przed i po zadaniu. Ponadto zaobserwowano krótkie, ale znacznie szybsze czasy rozpoznawania klastrów, gdy uczestnicy korzystali z inteligentnych okularów rzeczywistości mieszanej w porównaniu z tymi, które obserwowano, gdy uczestnicy korzystali z komputera stacjonarnego.

Ponieważ filtrowanie ekspertów w tej nowej dziedzinie jest niezbędne, dołączyliśmy wiele testów wstępnych. Chociaż przetestowaliśmy te metody w neutralnym pomieszczeniu, ciekawie byłoby zobaczyć prawdziwych instruktorów maszyn w ustawieniach fabrycznych, którzy analizują swoje dane.